- 概述
摘 要：心脏的磁共振图像（Magnetic Resonance Imaging，MRI）对比度强、分辨率高、能够准确描述心脏的解剖功能，因此被认为是准确评估心脏挤压能力的金标准。在心脏的核磁共振图像上准确分割出左心室是准确评估左心室功能的前提。阐述了磁共振图像左心室分割的基本特点和难点，针对现阶段具有代表性的4种MRI左心室分割算法的基本原理、分割效果及时间效率等特点进行了归纳与总结。总结分析了MRI左心室分割领域面临的一些问题和发展方向.
1.引言：左心室分割一直是医学图像处理研究领域的热点，通过分割结果可以计算左心室射血分数、左心室容积、左心室质量等参数来评估心脏功能。现如今医学上针对心脏的常用检查手段有心电图、心脏彩超、心脏核磁共振成像以及冠脉造影等。其中，心脏核磁共振成像是一种根据生物体磁性核（氢核）在静磁场中所表现出的 共振特性进行成像的技术，具有非侵入式的特点，对人没有伤害。故近30年来，国内外研究者基于心脏磁共振图像的左心室的分割做了广泛的研究，取得了大量的研究成果。事实上，近年来随着深度学习的深入研究催生了一些优秀的分割算法，对左心室分割有重要的推动作用。因此有必要对左心室分割算法进行全面的综述和讨论。
2.左心室分割的难点
左心室本身的生理几何结构以及心脏磁共振图像的固有噪声等因素都对左心室的分割造成了一定的困难。心内膜是覆盖在心室内表面的一层组织，在内膜的分割过程中主要存在以下两个问题：（1）图像在成像过程中受血液流动的影响形成伪影，造成图像灰度分布不均；（2）在心脏收缩的过程中，心腔内乳头肌的干扰造成目标边界模糊。心外膜位于心肌与肺部之间，心肌与肺部的灰度值非常接近，因此在分割过程中容易将心外膜泄漏至肺部。
3 左心室分割方法综述
由于左心室分割对评估心脏功能的重要性，国内外的研究者对此做了大量研究工作，并提出了许多分割方法。这些方法根据不同的分割原理大致可以分为基于图像特征的左心室分割方法、基于形变模型的左心室分割方法、基于图谱的左心室分割方法以及基于深度学习的左心室分割方法。
3.1 基于图像特征的左心室分割方法
基于图像特征的分割方法是根据图像自身的属性（如灰度、纹理、边缘等）来进行分割，主要包括阈值分割、像素聚类、边缘检测、区域生长、分并合裂法以及动态规划等方法。阈值分割是图像分割中最基本和应用最广泛的分割术，分割后的图像定义为 g(x,y) ： （1）1995年Goshtasby等[1]采用阈值分割法来提取左心室轮廓。在研究中，Goshtasby等利用 MRI 图像中血池的亮度高于心肌这一特点初步确定了左心室的位置，并在此基础上计算局部最大梯度值点从而得到心内膜。该方法虽然分割效率高，但是由于心室内部灰度分布不均匀，血池至心肌部分过渡模糊，因此边缘像素点分割不准确。2006年，Katouzian等[2]利用分裂合并的思想对左心室进行分割，在该方法中分裂合并的准则是依赖于心脏切片之间的拓扑结构，即两个连续切片之间的小变形。该方法虽然能将左心室的内外膜提取出来，但是需要手动标注第一个切片的内外膜。针对阈值分割方法的不足，2014年，徐胜舟[3]等首先使用Ostu阈值分割得到粗糙的结果，在此基础上采用动态规划进一步修正边缘像素的位置，从而提高了分割精度。
分裂合并算法根据区域特征一致性来实现分割的目的，其关键是确定一个分裂合并的准则。基于图像特征的分割方法由于计算简单因此分割效率高，但是得到的分割结果不够准确，难以满足分割要求。此类方法在实际应用中往往需要与其他分割方法联合使用，以提高左心室分割的准确度。
3.2 基于形变模型的左心室分割方法
以上是毕业论文开题文献，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
